三年前，当我参观土耳其伊兹密尔的一个农业展览会时，人工智能在农业中的应用仅限于库存流水，并被摊位远远落后于主要拖拉机制造商的公司作为利基产品出售。
然而，情况正在发生变化。
以下是人工智能改变我们种植粮食和营养方式的 5 种方式：
监控情况
作物监测仍然是一项情绪化的工作。农民应该根据季节、风和气候了解哪些病虫害会影响他们的作物。
但这种情况正在改变。
无人机和卫星图像提供计算机视觉模型，可以在人眼检测到真菌或害虫之前检测到它们，并提供有关最有效地使用作物保护或杀虫剂的建议。如果农民使用土壤传感器，这个数据集只会得到改善。
生产力预测
与作物监测类似，基于传感器的作物预测使农民不仅可以获得他们已收获的作物的清单，还可以获得他们即将收获的作物的清单。先正达创建了 GenAI，其作物预测和播种建议的准确度达到 95%。
预测之所以重要，是因为农民需要预先装载农作物的物流。您向供应商和运输公司提供的信息越准确，您损失的钱就越多。
由全国玉米种植者协会委托、弗吉尼亚理工大学农业经济学家进行的一项研究（“我们对美国农业部预测的准确性和影响的了解”）直接向玉米市场报告了美国农业部的 WASDE（农业供需估算）值。
有关的
该预测数据的年价值约为 3.01 亿美元（2.589 亿欧元）。, 约占玉米市场总价值的 0.55%，按组成部分细分：面积估计贡献约 1.45 亿美元（1.248 亿欧元），收成约 1.88 亿美元（1.618 亿欧元），产量约 2.99 亿美元（2.573 亿欧元），出口估计约 3.2 亿美元（2.754 亿欧元）。
通过机器人进行农业
机器人技术在人工智能领域蓬勃发展，因为它不仅仅涉及我们在城市中行驶的自动驾驶汽车：该计划还扩展到拖拉机和其他由人工智能自动化的现场设备。
约翰迪尔 (John Deere) 正在向全自动拖拉机迈进，LaserWeeder Carbon Robotics 就是一个很好的具体例子：它使用 24 个激光器、36 个摄像头和 24 个 NVIDIA GPU，每分钟识别并清除 100 多种作物中多达 10,000 株杂草，这些作物种植在 1500 万个国家的 1500 万张图像中5。
精准灌溉
灌溉是一门科学，迄今为止仅依赖于相关农民的经验。精准灌溉并不新鲜，自动化灌溉系统已经存在，但它们依赖于农民手动输入数据。
结合了土壤湿度、冠层温度和天气预报的融合传感器系统已被用来减少多达 30% 的用水量，并且实际上提高了某些地方的生产力（印度甘蔗田的一个记录案例显示，用水量减少了 30%，生产力提高了 40%）。
像这样的可变速率喷雾系统，仅在需要的地方喷洒农药，减少化学品的使用，并创建有助于遵守法规的审计跟踪。
畜牧人工智能
农场越大，照顾动物的福利和经济效益就越困难。鉴于肉类和牛奶中抗生素使用的监管和零售压力加大，人工智能牲畜运营使用计算机视觉和可穿戴传感器（加速计、生物识别监视器）在明显症状出现前几天检测疾病迹象，减少抗生素使用并改善福利结果。
这个故事最初发表 欧盟技术时期 并作为联合交易的一部分在欧洲新闻上分享。